海上舰船目标的机载高分辨率ISAR成像

本文提出了机载高分辨率二维逆合成孔径雷达(ISAR)对舰船目标的侧视成像问题。通过采用舰船运动的简单模型，避免了采用高级的联合-时间频率(JTF)变换。研究了包括运动估计与校正、最佳处理时间与持续时间估计以及目标形状提取的鲁棒处理方案。强调了这样一个事实，即该处理的鲁棒性造就了单个ISAR成像分析而不必由一组雷达图像进行数据融合。     

船载ISAR对舰船目标成像特性分析

以船载ISAR和舰船三维运动为成像条件,针对舰船目标ISAR成像的多普勒特性进行讨论。对海情影响下舰船目标的摇摆成像模型进行数学建模,并从理论上分析多普勒频率特性和船载ISAR对舰船目标成像的复杂性。在建模分析的基础上给出仿真结果,验证了理论分析的正确性。     

海面目标的岸基多手段监测方法

针对沿海区域目标监测问题,目前主要的监测手段有雷达、红外、光学等。利用岸基ISAR搜索成像雷达和光电综合监测设备获取多源实测数据,并通过图像解译方法提取目标特征,可以有效提升沿海环境下监测系统的态势感知能力。     

基于组合特征的航母目标识别方法

为了解决较高分辨率条件下的可见光航天遥感图像航母目标识别问题,文章提出了一套完整的识别算法。该算法通过基于最大类间方差算法(Otsu算法)的双阈值分割方法获得舰船目标,然后通过形态学闭运算去除目标图像内部的空洞,对获得的目标图像进行优化。结合航母的形态特点,文章提出了描述目标的舰首宽度比编码特征,该特征能够显著的描述航母和其他舰船之间的区别。通过长宽比和舰首宽度比编码构成组合特征向量对提取的舰船目标进行描述。最后文章采用k折交叉验证方法划分训练样本集合和测试样本集合,采用最小距离分类器进行目标识别。所有的算法都在Matlab软件上进行仿真实验,实验结果表明,相比于其他的舰船描述特征,文章提出的组合特征对航母的识别率更好。     

基于全局—局部特征联合的光学卫星遥感图像舰船目标细粒度识别

针对光学遥感图像舰船目标类间差异小,需要丰富舰船目标的特征表示能力提高其细粒度识别准确率的问题,文章提出了一种基于全局—局部特征联合的舰船目标细粒度识别方法,设计了双分支特征提取与融合模型。首先,全局特征提取分支通过卷积神经网络提取图像的全局特征;其次,局部特征增强分支将浅层特征图打乱并重构,加入对抗性损失函数,训练网络识别局部重点区域特征的能力,提取目标局部特征;最后,将全局特征和局部特征进行融合,利用全连接层对特征进行降维处理去除冗余信息,增加鲁棒性,并利用融合特征完成分类任务。实验表明,该方法可以兼顾全局特征和局部特征,在FGSC-23舰船目标数据集上准确率达到86.36%,优于其他方法。     

基于实测数据的机载毫米波ISAR舰船目标成像算法研究

ISAR的方位向分辨率和波长有关,在相同转角情况下,波长越短,获得的方位分辨率越高,但波长较短使得雷达对运动误差敏感,容易产生较大的相位误差,使成像算法变得复杂。针对此问题提出一种适合于机载毫米波ISAR舰船目标的综合成像算法。算法首先利用回波距离向高分辨率分离出单个舰船目标回波;然后对单个目标回波进行包络补偿和初相粗补偿;再根据时频分析结果,结合Radon变换的最大值位置,判断目标运动状态;最后根据判断结果自动选择合适的成像方法对目标成像。利用算法对机载毫米波ISAR数据进行成像处理,成像结果验证了算法的有效性。     

基于末制导雷达的海面舰船ISAR成像转角分析

针对末制导雷达对舰船目标ISAR成像中导引头不同飞行轨迹所能获得的转角问题展开研究。在末制导雷达平台和舰船目标同时运动的情况下,ISAR成像总转角由两部分组成：舰船航行、晃动所导致的转角和导引头飞行形成的转角。本文在对弹目相对总转角建模的基础上,通过估计舰船晃动参数来计算总转角,提出了基于该总转角的成像转角判断条件。仿真结果表明,本文提出的方法能有效估计成像时间内的总转角,并据此判断出弹目转角是否满足ISAR成像的转角条件。
     

高分辨率SAR图像分割及目标特征提取

提出了一种非监督SAR图像快速分割算法,对分割得到的目标区域进行特征提取.分割方法利用固体热扩散模型与图像尺度空间的等价性,在SAR图像初始分割的基础上,引入最大后验概率矩阵的各向异性多尺度平滑,在保持图像结构信息的同时滤除斑点噪声对于分割的影响.然后提取目标区域6个特征以详细描述目标,实验结果表明：该方法计算速度快,能够从获得的目标区域得到大量有用的信息.     

多基站ISAR多运动目标成像与横向定标研究

在多基站ISAR多运动目标回波模型的基础上,采用时间-调频斜率分布估计各基站多个目标的信号参数,基于CLEAN算法实现了各基站多个目标的信号分离。利用多个基站获得的目标的信号参数和多个ISAR图像,估计目标的运动参数,实现多个目标的横向尺度标定,同时给出了多基站ISAR多目标成像和横向定标的约束条件。仿真实验验证了多基站ISAR多目标成像和横向定标算法。

     

基于组字典学习的逆合成孔径雷达成像方法

基于压缩感知(compressive sensing, CS)的逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像方法可以使用非常少的数据来获得高质量的图像。但基于CS的ISAR成像方法中目标场景不准确的稀疏表示限制了成像方法的性能。结合字典学习(dictionary learning, DL)技术的CS ISAR成像方法能够寻找到目标场景图像块的最优稀疏表示,提高成像质量,但每一个图像块被单独考虑,而忽略了彼此之间的相互依赖关系。为了实现进一步提高成像质量的目标,针对ISAR图像分块重建的问题,首次提出一种基于组字典学习(group dictionary learning,GDL)的ISAR成像方法。将具有相似结构的图像块聚类并构建出多个图像块组,利用奇异值分解(singular value decomposition, SVD)从图像块组中学习出最优组稀疏变换字典。学习好的组稀疏变换字典可以寻找到待重建图像块组的最优稀疏表示,进而重建出高质量的目标场景图像。实验结果表明:与现有的CS ISAR成像方法相比,基于GDL的ISAR成像方法能获得更好的成像效果,并具有更高的计算效率。     

基于JPEG2000标准的感兴趣区域编码方法

文章提出基于JPEG2 0 0 0标准的感兴趣区域 (ROI ,RegionofInterest)编码方法。采用比特平面完全提升方法 (MaxShift) ,在对图像进行内嵌比特平面编码时 ,可对给定的感兴趣区域优先进行编码并组织码流 ,从而获得优于背景区域的压缩性能     

基于分布式信源编码和感兴趣区域编码的干涉多光谱图像压缩

基于干涉多光谱图像特点和应用环境要求,提出一种基于分布式信源编码和感兴趣区域编码的干涉多光谱图像压缩算法。编码端通过关键帧预测出边信息帧,然后联合估计的边信息帧和插值分布的概率模型在编码端进行比特平面码率估计,最后采用基于率失真提升的感兴趣区域编码,调整图像不同区域的率失真斜率来进行更合理的码率分配。实验结果表明,该算法比传统算法更好地保护了多光谱图像的光谱信息。在不同压缩比的情况下,这种编码方式在干涉多光谱图像压缩系统中可获得较好的效果,算法复杂度低。     

一种基于SAR图像鉴别的港口区域舰船目标新方法

鉴于遥感卫星动态监视港口内舰船的需要,提出了一种SAR图像港口内舰船鉴别方法。针对港口内舰船目标散射特性,首先进行舰船目标鉴别特征的提取,包括已有鉴别特征的提取和新特征的提取;其次,在特征选择阶段,利用特征对目标与杂波的可分离性度量优选出鉴别效果明显的有效特征,并得到最大分离性对应的最优特征向量权重;最后,为了提高鉴别器的精度,设计了加权最小距离分类器。试验结果表明了所提方法的有效性。     

基于JPEG2000标准的感兴趣区域编码方法

文章提出基于JPEG2000标准的感兴趣区域(ROI，Region of Interest)编码方法。采用比特平面完全提升方法(MaxShift)，在对图像进行内嵌比特平面编码时，可对给定的感兴趣区域优先进行编码并组织码流，从而获得优于背景区域的压缩性能。     

多特征实优化PolSAR图像舰船目标增强方法

极化合成孔径雷达(PolSAR)数据蕴含了丰富的极化信息,已被广泛应用到海上舰船检测中。针对检测过程中存在的相干斑模糊、甚至淹没目标问题,采用多个特征通过实优化,提出了一种新的PolSAR图像舰船增强方法。在大量实验基础上,该方法首先选择了效果较好的极化白化滤波、极化熵与Pauli分解中舰船成分作为参与优化的元素,然后利用实优化融合来提取最优目标增强特征图,最后通过Radarsat-2全极化数据进行了验证。实验结果表明,该算法能有效抑制相干斑,同时增强海上舰船目标。     

距离瞬时多普勒算法实现的振荡目标ISAR成像

新近有报告提出ISAR图像重构的新方法——距离瞬时多普勒(RID)算法，它是众所周知的距离多普勒(RD)算法的扩展算法。RID采用联合时频变换(JTFT)技术来代替经典的多普勒谱分析方法。本文旨在从解析和数值分析的角度来证明使用RID技术可成功获得转动(俯仰、横滚、偏流)目标的ISAR图像。我们特别分析了RID和RD技术在对直线运动的振荡目标成像时的性能。     

基于星载毫米波顺轨-交轨InISAR的空间运动目标三维成像技术研究

研究了低信噪比情况下的星载毫米波顺轨/交轨In\|ISAR空间目标三维成像问题。由于传统的RD成像算法在目标尺寸较大和分辨率要求较高时不能取得较好的成像效果,故将波数域成像算法引入运动目标成像处理以获得高分辨率的二维图像,继而将顺轨/交轨三天线ISAR图像分别进行干涉处理,获得了目标上各散射点的三维位置。作为二维成像、图像配准等重要环节的基础参数,对低信噪比下的目标检测和三维运动参数估计进行了研究,分析了速度估计精度要求。最后,仿真结果表明了顺轨/交轨In-ISAR系统的有效性。     

基于极化SAR图像的建筑区提取方法研究

建筑区提取对于城市规划和灾害评估具有重要的作用。文章提出融合极化方位角补偿的散射模型提取建筑区。首先对极化SAR图像进行极化补偿处理,使得建筑物的散射成分增强,然后融合极化分解得到的散射分量和纹理特征参数作为建筑区提取依据,最后使用面向对象的提取方法进行建筑区提取。采用美国San Francisco地区L波段星载AIRSAR数据和德国Oberpfaffenhofen地区L波段机载ESAR数据分别进行实验验证。结果表明,文中方法较好地识别并提取了建筑区,提高了建筑区的提取精度,可用于受灾建筑区提取以及城市建筑区信息获取。     

基于特征叠加网络的SAR海上舰船运动状态感知方法

针对合成孔径雷达(SAR)图像中的舰船检测与分类问题，常规的图像处理技术或者机器学习方式难以准确检测出海上舰船的类别以及当前舰船运行状态。因海上舰船目标具有相对于SAR图像尺寸较小、方位难以测算以及容易与其他目标混淆的特点，针对上述问题设计了端到端的海上舰船分类与状态感知模型，加入特征金字塔以达到拥有对于微小目标提取其深度特征，同时又保留其相对位置的目的;使用残差结构以解决特征融合网络层数增加导致的梯度消失问题;最后加入舰船状态感知模块，使其最终可以得到海上舰船目标相对于图像的角度值。使用公开SAR卫星图像进行了多次实验，最终体现出提出的端到端的模型具有较高的识别率以及良好的舰船状态估计能力。     

结合形态学理论与Hough变换的SAR图像线目标检测方法

针对典型线状军事目标,提出一种SAR图像的目标检测方法。该方法首先将分块阈值分割的思想应用于未经斑点噪声抑制的原始SAR图像,得到ROI(Region of Interest)图像;然后,利用区域的几何特征有效地剔除大量虚警,并采用形态学梯度算子提取目标的边缘信息,与传统的Canny边缘检测相比,边缘轮廓更加连贯;最后,利用Hough变换对梯度图像进行直线检测,得到机场跑道的边缘。该方法对原始SAR图像采用传统的图像处理技术进行目标检测,因此,比基于SAR图像统计特性的目标检测方法简单易行。对真实SAR图像的实验结果验证了该方法的有效性。